子集化并调整周期性
下一步，您将把气温数据与上一章的航班数据合并。
回顾上一章，航班数据的时间范围是 2010 至 2015 年，按「月度」聚合。相比之下，气温数据的时间范围是 2007 至 2015 年，按「日度」记录。合并前，您需要先对子集数据并把周期性调整为月度。
要转换 xts 对象的周期性，您可以使用 to.period()，它可以将数据快速转换为更低频的周期。默认情况下，该命令会在整个周期上生成特定取值（即开高低收，Open-High-Low-Close，简称 OHLC），这在金融分析中很有用，但并非所有场景都适用。
在本例中，您应将参数 OHLC 设为 FALSE。这样不会在月度 xts 对象中生成 OHLC 列，而是从每个周期中选取一行来代表整个周期。您可以通过 indexAt 参数来指定选取哪一行。
temps_xts 数据和上一章的 flights_xts 数据均已在您的工作区中可用。
本练习是课程的一部分
案例研究：在 R 中分析城市时间序列数据
练习说明
- 将
temps_xts子集化，仅保留 2010 至 2015 年的观测。保存为temps_xts_2。 - 使用
to.period()将日度气温数据转换为月度周期。请务必指定要转换的周期（"months"）。同时需要将OHLC设为FALSE，以避免生成新的 OHLC 列。最后，将indexAt参数设为"firstof"，以选取每月的第一条观测。 - 使用两次
periodicity()，将新得到的月度气温数据与上一章的flights_xts数据在周期性与时间跨度上进行比较。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Subset your temperature data to include only 2010 through 2015: temps_xts_2
temps_xts_2 <- ___["___/___"]
# Use to.period to convert temps_xts_2 to monthly periodicity
temps_monthly <- to.period(___, period = "___", OHLC = ___, indexAt = "___")
# Compare the periodicity and duration of temps_monthly and flights_xts
periodicity(___)
periodicity(___)